Hugging Face 的官方基准测试排行榜正在频繁更新,新的模型和组织在各项评估中占据了榜首。最近的变化包括 PCL-RSI-lab/Seshat-agent 和 internlm/Intern-S2-Preview-397B 分别在 deep-swe 和 MMLU-Pro 中获得第一名。VDEBench 和 safeagents-judge-bench 基准测试也出现了新的顶级条目,这凸显了大型语言模型性能跟踪的动态性。 AI
影响 追踪大型语言模型在各种基准测试中快速演变,表明模型能力方面的竞争性进步。
排序理由 该集群报告了 Hugging Face 官方基准测试排行榜的每日更新,详细介绍了新的顶级模型和基准测试,这属于研究和模型性能跟踪的范畴。
- black-forest-labs/FLUX.2-klein-4B
- deepseek-ai/DeepSeek-V4.1-Flash
- deepseek-ai/DeepSeek-V4.1-Flash-1017
- FINAL-Bench/Darwin-180B-RSI
- FINAL-Bench/Darwin-180B-RSI-R3
- FINAL-Bench/Darwin-27B-ZTC
- FINAL-Bench/Darwin-BRIGHT-Retriever
- google/embeddinggemma-300m
- Hugging Face
- internlm/Intern-S2-Preview-397B
- KDLAI/KDL-Frontier-Parser-nano
- PCL-RSI-lab/Seshat-agent
- ProKope-AI/ProKope-4B-Eagle-Eye
- Qwen/Qwen-Image-Edit
- safeagents-judge-bench
- VDEBench
- VIDRAFT
- vllm-sr/d3-ultra
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →